Oossa

Reson8 libera modelo de fala de 0,5B para mais de 40 idiomas

Rumble-2-Flash, modelo de transcrição com meio bilhão de parâmetros, é gratuito sob a licença Apache 2.0 e funciona em qualquer ambiente com Transformers ou vLLM.

Por Publicado pelo Oossa: 1 min de leitura

Mike Meyers · Unsplash

A Reson8 anunciou que seu novo modelo de conversão de fala em texto, Rumble-2-Flash, já está disponível para download gratuito, com pesos abertos. O modelo tem 0,5 bilhão de parâmetros e detecta automaticamente mais de 40 idiomas. Ele pode ser usado pela biblioteca 🤗 Transformers, da Hugging Face, pelo vLLM ou pela própria API da Reson8, que cobra €0.01 por hora de áudio. A empresa afirma que o modelo processa uma hora de áudio em cerca de meio segundo, alcançando uma taxa de processamento superior a 7.000 vezes o tempo real (RTFx) em lotes completos.

Qual é a precisão do modelo compacto?

Na categoria multilíngue do Open ASR Leaderboard da Hugging Face, o Rumble-2-Flash alcançou uma taxa média de erro por palavra (WER) de 6.96 % em sete idiomas, superando o omniASR-LLM, de 7 B de parâmetros, da Meta, e o Whisper large-v3, da OpenAI. Apenas em inglês, o modelo registrou cerca de 5 % de WER. Em um teste de referência da AppTek com gravações ruidosas de centrais de atendimento (302 horas, 14 sotaques do inglês), obteve 7.86 % de WER, praticamente o mesmo resultado do Nemotron 3.5 Transcribe, de 30 B de parâmetros, da NVIDIA, e melhor que o Qwen3-ASR, de 0.6 B de parâmetros (8.7 %).

Por que isso importa agora

A maioria dos grandes modelos de fala é desenvolvida principalmente para o inglês, o que deixa falantes de outros idiomas sujeitos a taxas de erro mais altas. O CEO da Reson8, Raoul Ritter, observa que idiomas falados por milhões de pessoas, como o neerlandês e o sueco, muitas vezes ficam “em segundo plano”. Ao oferecer gratuitamente um modelo compacto, rápido e multilíngue, a empresa permite que desenvolvedores adicionem transcrição a aplicativos sem pagar por grandes serviços na nuvem nem lidar com licenças caras. O preço baixo (mil horas de áudio custam €10) também torna o serviço viável para pequenas empresas, educadores e entusiastas que precisam transcrever grandes volumes.

Por que importa

Para uma pequena empresa que precisa transcrever chamadas de clientes, o modelo oferece precisão próxima à de soluções corporativas por uma fração do custo. Para um estudante ou podcaster, isso significa transformar horas de gravações em texto em segundos, sem pagar a um grande provedor de serviços na nuvem. A disponibilização do modelo com código aberto também permite que pesquisadores experimentem com reconhecimento de fala multilíngue sem precisar criar um modelo do zero.

Este artigo foi útil?
Compartilhar

Leia a seguir

Oossa · Newsletter

A semana em IA, explicada

Toda segunda-feira: as notícias que valem a pena, em linguagem simples. Grátis, sem spam.